XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS

CONTROLE DE UMIDADE E TEMPERATURA NUMA INCUBADORA NEONATAL

USANDO CONTROLE PREDITIVO
de Oliveira Brito Neto
Marcos Uchoa Cavalcante Bismark Claure Torrico Jose
Francisco Lincoln Matos Da Costa Filho Luis Juarez Camur
ca Otaclio da Mota
lio Agostinho Ada
o
Almeida Aure

Departamento de Engenharia Eletrica, Universidade Federal do Cear

a
Caixa Postal 6001 - Campus do Pici 60.455-760 Fortaleza - CE

Email: uchoacavalcante@yahoo.com.br, bismark@dee.ufc.br, jbritoneto@dee.ufc.br,

fco_lincoln@hotmail.com, juarezcamurca@yahoo.com.br, otacilio@dee.ufc.br,
aaadao@uol.com.br
Abstract This paper proposes an algorithm for multivariable predictive control that improves the robustness
of closed loop systems, especially when they have multiple delays, by means of a appropriate prediction model
that includes a filter in the disturbances model. Algorithm proposed is applied to the control of humidity and
temperature of a neonatal incubator. Simulation results and experiments show the advantages of proposed
algorithm compared to others proposed in the literature.
Keywords Neonatal incubator, Multivariable Predictive Control, Disturbances model, Constraints, Coupling, Transport delay, Noise.
Resumo Neste artigo
e proposto um algoritmo de controle preditivo multivari
avel que permite melhorar a
robustez de sistemas em malha fechada, especialmente quando apresentam m
ultiplos atrasos, por meio de um
modelo de predic
ao apropriado que inclui um filtro no modelo de perturbac
oes. O algoritmo proposto
e aplicado
ao controle de umidade e temperatura de uma incubadora neonatal. Resultados de simulac
ao e experimentais
mostram as vantagens do algoritmo proposto frente a outros propostos na literatura.
Keywords Incubadora neonatal, Controle Preditivo Multivari
avel, Modelo de perturbaco
es, Restric
oes,
Acoplamento, Atraso de transporte, Rudo.

processo apresenta m
ultiplos atrasos de transporte
entre as entradas e as sadas tornando-se em um
caso de estudo atrativo do ponto de vista de controle.

Introdu
c
ao

Incubadoras neonatais s
ao utilizadas no tratamento de recem-nascidos muito sensveis e/ou com
limitada capacidade de reagir a situac
oes adversas (Barbosa e Oliveira, 2002; Silvado, 1993). Segundo o Ministerio da Sa
ude (2009), no ano de
2006 no Brasil mais de 60% dos
obitos infantis
registrados na faixa de 0 a 1 ano ocorreram nos
primeiros 27 dias de vida, perodo em que as incubadoras sao uma das mais importantes ferramentas para a reduc
ao dos riscos de mortalidade
e de doencas (Barbosa e Oliveira, 2002). Tais
equipamentos devem produzir um ambiente higrotermico confort
avel e saud
avel para os recemnascidos ao reduzir a perda de
agua dos mesmos,
que ocorre atraves da pele e da respirac
ao. Devem
tambem aumentar o armazenamento de calor do
neonato com o controle da temperatura interna,
da umidade relativa (UR) e, por consequencia, da
pressao de vapor no microclima criado dentro da
c
upula (Farias, 2001; Karen, 1994). Portanto, do
ponto de vista de um sistema de controle, uma incubadora e um sistema onde a temperatura e a UR
de vapor sao as principais vari
aveis a serem controladas (Arone, 1995; Bouattoura et al., 1998; Infante, 1992).

O Controle Preditivo Baseado em Modelo

(CPBM) e uma alternativa interessante para controlar este tipo de processo, uma vez que podem
ser includas as restricoes em tempo real e os atrasos podem ser compensados. Por outro lado, como
pode ser visto nos trabalhos de Normey-Rico e Camacho (2000) e Normey-Rico e Camacho (2007),
o desempenho dos controladores pode ser melhorado se for usada uma adequada compensacao de
atraso. Com esse proposito, no trabalho de Torrico (2010) foi proposto uma estrategia de controle
preditivo que permite a compensacao robusta do
atraso de transporte para sistemas monovariaveis
nao-lineares por meio da escolha do modelo de
predicao. Neste trabalho, essa mesma ideia e estendida para o caso de sistemas multivariaveis com
restricoes e logo e aplicado ao controle do prototipo de incubadora visto na Figura 1, o qual
foi desenvolvido no Departamento de Engenharia
Eletrica da Universidade Federal do Ceara.
A apresentacao deste artigo tem a seguinte
sequencia. Na secao 2 apresenta-se tanto a descricao da incubadora quanto a modelagem e validacao. Na secao 3 e descrita a estrategia de controle proposta. A secao 4 mostra os resultados de
simulacao e experimentais. Finalmente a secao 5
apresenta as conclusoes do artigo.

O problema de controle deve considerar as interacoes que existem entre as malhas de umidade e
temperatura pois ambas influenciam uma a outra.
Alem disso, o problema e agravado dado que o

3493

XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS

Descri
c
ao, modelagem e valida
c
ao da
incubadora

onde e uma constante, R e a resistencia termica

entre e e s , e C e a capacidade termica no ambiente interno. foi inserido um atraso L1 pois o
calor nao se propaga instantaneamente da resistencia ate a parte superior. U (s) e a voltagem
na entrada do circuito do resistor e p11 (s) e o elemento da primeira linha e primeira coluna de (3).
A umidade relativa foi modelada a partir da
variacao da massa (m) de vapor dagua na incubadora, assim, de (Close et al., 2002), obtendose:
dm
= i o
dt
dm
+ km = i
dt

M (s)
=
eL2 s = p22 (s)
(2)
i
s + 1
em que i e a vazao de entrada, M (s) e a transformada de Laplace de m, e uma constante, i e
a massa de vapor que entra, o e a massa de vapor
que sai e e a constante de tempo do modelo da
umidade. O atraso L2 foi inserido com o mesmo
proposito do anterior.
Finalmente foi considerado que a interacao
que existe entre as malhas de umidade e temperatura pode ser representada tambem por modelos de primeira ordem com atraso ( p12 (s) =
k12
L12 s
L21 s
, p21 (s) = 21k21
).
12 s+1 e
s+1 e
Todas as constantes do modelo multivariavel foram identificadas usando dados reais pelo
metodo dos mnimos quadrados (Coelho e Coelho,
2003), obtendo-se a seguinte matriz de transferencia:

13.8
12.8 2.6s
e0.4s
e
0.92s + 1

23.8s + 1
.
P(s) =

9.7
1.9 0.1s
1.6s
e
e
1.4s + 1
38.3s + 1
(3)

A incubadora e constituda basicamente por duas

divisoes: o capacete, onde devem ficar o recemnascido e os sensores de temperatura e de umidade, e o reservat
orio, onde fica a resistencia termica.

Figura 1: Prot
otipo da incubadora neonatal
Os sensores de temperatura e de umidade estao localizados no centro da superfcie inferior do
capacete. O resistor de aquecimento est
a no reservatorio logo abaixo, por onde circula o ar que vai
entrar na camara do recem-nascido. O umidificador esta montado em um suporte na estrutura
metalica mais abaixo da regi
ao de circulacao de
ar, assim o vapor d
agua e injetado pr
oximo da entrada de ar da parte superior atraves de um duto.
O ciclo de passagem de ar entre as duas divisoes da incubadora neonatal n
ao e fechado, pois
este precisa ser renovado externamente. O ar que
sai do capacete e lancado fora do sistema, proximo
`a entrada de ar do reservat
orio, onde fica um ventilador que forca a entrada do ar exterior para o
ambiente interno, o qual passa pela resistencia de
aquecimento e entra aquecido na parte superior.
O ventilador foi ajustado para que a velocidade de
circulacao do ar em contato com o recem-nascido
nao ultrapasse 0,35 m/s obedecendo `
a norma NBR
IEC 60601-2-19 - parte 2.
2.1

2.2

A validacao do modelo foi realizada por meio

da comparacao dos resultados de simulacao com
os resultados reais da incubadora. Para este
proposito, inicialmente o sinal de entrada da
malha de temperatura foi mudado de 0 a 2,5 em
t = 4, 1 min e o sinal de entrada do umidificador
de 1,2 para 2,1 em t = 41, 5 min apos a temperatura estabilizar para verificar o efeito do acoplamento. Na Figura 2 sao mostrados os resultados
reais e de simulacao. Como pode ser observado
os dados da simulacao estao muito proximos dos
dados reais embora os dados reais apresentem um
rudo de aproximadamente 1 C na temperatura
e 1% na umidade relativa.

Modelagem

Na modelagem fsica da temperatura consideramos o sistema como uma caixa de volume conhecido V , na qual temos uma entrada de ar, a uma
temperatura e , e uma sada, a uma temperatura
s . A partir disto, utilizando as equac
oes de fluxo
de calor (Close et al., 2002), conseguimos chegar
a seguinte relac
ao no domnio da frequencia:
(s) =

eL1 s U (s) = p11 (s)

RCs + 1

Validac
ao

Descri
c
ao do Controlador

A estrategia de Controle Preditivo Baseado

em Modelo (CPBM) para plantas multivariaveis

(1)

3494

XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS

60

x(t) = P(z1 ) u(t),

Umid. real (%)

Umid. modelo (%)
Temp. real (C)
Temp. modelo (C)

55

(6)

em que cada elemento pij (z 1 ) de P(z1 ) e uma

funcao de transferencia monovariavel e z 1 e o
operador atraso:

50

45

40

35

pij (z 1 ) =

30

z 1 Bij (z 1 )
Aij (z 1 )

(7)

25

20
0

10

20

30
Tempo (Minutos)

40

50

Por outro lado, as perturbacoes podem ser

modeladas por:

60

(a) sadas

n(t + k) =

1
T(z 1 )e(t),

(8)

em que T(z 1 ) e um vetor de polinomios, e o

integrador 1 z 1 e e(t) e o erro de predicao.
Usando o modelo geral (5), a sada predita
pode ser representada como:

3
Entrada Temperatura
Entrada Umidade
2.5

1.5

y(t + k|t) = x(t + k|t) + n(t + k|t)

(9)

0.5

3.2
0
0

10

20

30
Tempo (Minutos)

40

50

(b) entradas

Figura 2: Validac
ao do modelo.
geralmente consiste na minimizac
ao da seguinte
funcao custo (Normey-Rico e Camacho, 2000):

J=

N2
P

ky(t + k|t)-w(t + k)k2 +

NP
u 1

k=N1

ku(t + k|t)k2

k=0

(4)
sujeita `as seguintes restric
oes:
umin u(t + k|t) umax k = 0, ..., Nu 1
umin u(t + k|t) umax k = 0, ..., Nu 1,
ymin y(t + k|t) ymax k = N1 , ..., N2 ,

1 i z 1
e(t)
(z 1 )

(10)

Para o calculo das predicoes considera-se a

seguinte equacao Diophantina:
1i q 1 = Eik (q 1 )(1q 1 )+q k (1i ), (11)
em que Eik = q 1 (1 ) + ... + q k1 (1 i ).
Usando a equacao (11) e o modelo das perturbacoes (8), ni (t + k) pode ser calculado como
segue:

C
alculo das Predic
oes

A sada do processo pode ser representada como:

y(t) = x(t) + n(t)

O desempenho e a robustez de controladores

CPBM dependem dos horizontes de predicao,
ponderacao do controle, e do modelo de perturbacoes.
Por outro lado, o uso de filtros no modelo
de perturbacoes, se apropriadamente ajustados,
podem melhorar a robustez do controlador sem
afetar o desempenho ao seguimento de referencia.
No entanto, em alguns casos, o ajuste nao e trivial (Camacho e Bordons, 2004). Neste trabalho,
usando a ideia de Torrico (2010), onde e demonstrada a robustez do algoritmo, Ti (z 1 ) 1 e proposto como Ti (z 1 ) = 1 i z 1 , assim, o modelo
de perturbacoes, que e a principal diferenca em relacao a outras estrategias propostas na literatura,
e dado por:
ni (t) =

em que N1 e N2 s
ao o mnimo e o m
aximo horizonte de predic
ao, respectivamente, w(t + k) e a
trajetoria de referencia futura, Nu e o horizonte
de controle, e s
ao matrizes de ponderacao
definidas positivas, u(t) e o controle incremental e y(t + k | t) e a predic
ao da sada y(t) a partir
do instante t.
3.1

Modelo de perturbac
oes e predic
oes

60

(5)

em que: x(t) e a sada do modelo quando e aplicada uma entrada u(t) e n(t) representa o efeito
das perturbac
oes e erros de modelagem.
A sada do modelo x(t) e dada pela funcao de
transferencia multivari
avel:

ni (t + k) =

(1 i )
ni (t) + Eik (q 1 )e(t + k).
1 i q 1
(12)

1 O sub
ndice i
e usado para se referir ao i-
esimo elemento do respectivo vetor.

3495

XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS

Como os termos de e(t) est

ao no futuro, a melhor
predicao da perturbac
ao (12) no instante t + k e
dada por:

PSF, e (b) a acao de controle pelo otimizador

quadratico.

(1 i )
(1 i )
ni (t) =
(yi (t)xi (t)).
1
1 i q
1 i q 1
(13)
Note que, se i varia entre 0 e 1, a predicao da
perturbacao ni (t + k|t) e dada pela sada filtrada
da perturbac
ao ni (t), em que o filtro e do tipo
passa baixas.
Considerando as equac
oes (9) e (13), o modelo
de predicao e dado por:
ni (t+k|t) =

1 i
(yi (t) xi (t)).
1 i q 1
(14)
em que xi (t + k|t) pode ser calculado recursivamente usando o modelo discreto (6).
No seguinte item ser
ao estudadas as propriedades do algoritmo proposto por meio da
analise da equac
ao (14).

yi (t + k|t) = xi (t + k|t) +

3.3

Restries

w (t )
OTIMIZADOR

y (t )

u(t )

PROCESSO

MODELO

y (t d | t )

x(t d )

x(t )

ATRASO

n(t d | t )

F ( z 1 )

Figura 3: Estrutura do controlador.

A estrategia de controle proposta tem os
seguintes parametros de ajuste N , Nu , e . Uma
vez que o custo computacional nao e algo determinante dado que os modelos sao lineares, N e Nu
podem ser ajustados iguais `a regiao transitoria,
e ajustado para obter a resposta ao seguimento de
referencia desejada e para melhorar a rejeicao de
perturbacoes.

Estrutura e ajuste do controlador

3.4

Considere que a predic

ao da sada (14) ate o instante t + di :

Processo de otimizac
ao

Na literatura existem muitos algoritmos eficientes

que permitem resolver o problema de otimizacao
quadratica para o caso do CPBM linear com restricoes (Biegler, 1998). Para o uso destes algoritmos, a funcao custo deve ser representada na
seguinte forma:

yi (t + di |t) = xi (t + di |t) + Fi (z 1 )(yi (t) xi (t)),

(15)
em que di e o menor atraso da i-esima linha da
funcao de transferencia P(z 1 ) e Fi (z 1 ) e dado
1 i
. Note que a equacao
por F (z 1 ) =
1 i z 1
(15) tem a forma do preditor de Smith filtrado
(PSF) (Normey-Rico e Camacho, 2008).
As predic
oes no intervalo t+di +j, j = 1, ..., N
podem ser computadas usando:

J = 21 uT Hu + bT u + f0 ,
sujeito a: Au B,

(17)

Em que u e a variavel de decisao e os outros

parametros sao constantes que podem ser calcuT
ladas como: H = 2(G

G + ),
T
T
b = 2 G (f w) ,
T
f0 = (f w) (f w), A e B sao matrizes constantes calculadas em funcao das restricoes da
planta, G sao as respostas ao degrau do processo
e f a sua resposta livre.

yi (t + di + j|t) =
xi (t + di + j|t) + (yi (t + di |t) xi (t + di |t)).
(16)
O processo de otimizac
ao quadr
atica usa a
equacao (16) para calcular as predic
oes no intervalo desejado (t + d + 1 a t + d + N ).
Neste caso, as predic
oes est
ao baseadas nas
predicoes do PSF ate t + d. Perceba que o filtro
Fi (z 1 ) nao aparece explicitamente na equacao
(16), mas atua sobre a sada predita yi (t + di |t),
portanto, o ajuste de Fi (z 1 ) n
ao afeta o processo
de otimizacao. Assim a estrutura final de controle
pode ser desenhada como um PSF seguido de um
controlador preditivo como na Figura 3. Conseq
uentemente, o controlador proposto tem as propriedades mais importantes do PSF. Como e conhecido na literatura, o PSF pertence `
a classe de
controladores de atraso robusto, o qual permite
melhorar a robustez do controlador especialmente
quando existem incertezas no atraso. A estrutura
de controle proposta pode ser interpretada como:
(a) o atraso do processo pode ser compensado pelo

4.1

Resultados de simula
c
ao e
experimentais

Resultados de simulac
ao

Previamente aos ensaios experimentais, o controlador proposto foi testado em simulacao. Neste
item a estrategia de controle proposta e comparada ao algoritmo de Controle Preditivo Generalizado (GPC Generalized Predictive Control)
(Clarke et al., 1987). Os parametro de ajuste
de ambos os controladores sao: Tempo de
amostragem Ts = 0.4min que foi ajustado com
um u
nico valor entre as dinamicas de temperatura e umidade o que nao compromete o desempenho do sistema, horizonte de predicao maximo

3496

XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS

e mnimo, N1 = 1, N2 = 50, horizonte de controle

Nu = 20 e = 30. O controlador proposto tem
um parametro adicional de sintonia e foi ajustado
para atingir a robustez desejada, = 0.9. Em ambos os casos o modelo a ser controlado e definido
pela equacao (3). Foi adicionado um rudo branco
nas sadas na faixa de 1% e de 1 C na umidade e na temperatura, respectivamente, para se
aproximar ao processo real.
Os resultados de simulac
ao do algoritmo GPC
sao ilustrados na Figura 4. Como pode-se observar a malha de temperatura tornou-se inst
avel e a
malha de umidade e muito oscilat
oria. Uma alternativa para melhorar essa resposta e deix
a-la mais
lenta aumentando o valor da ponderac
ao sobre o
incremento de controle .
Na Figura 5 ilustra-se os resultados de simulacao usando o algoritmo proposto. Observa-se
que tanto a temperatura quanto a umidade conseguem seguir as suas respectivas referencias num
tempo inferior a 10 minutos, tempo esse que satisfaz sem dificuldades `
as exigencias da norma NBR
IEC 60601-2-19. Por outro lado, o rudo nas sadas
nao e propagado nos sinais de controle, evitando
assim o envelhecimento precoce de alguns dispositivos.
4.2

min e a referencia da temperatura num tempo inferior a 10 min. Em ambos os casos nao ha sobresinal.
Em geral o desempenho do controlador proposto e bom. Foi evidenciado, atraves da comparacao com outro algoritmo com o mesmo ajuste
de parametros, que este controlador permite melhorar a robustez significativamente apesar de que
os atrasos nao sejam dominantes.
5

Conclus
oes

Neste artigo foi proposta uma estrategia de controle preditivo multivariavel para sistemas com
m
ultiplos atrasos e restricoes. O controlador proposto contem implicitamente um compensador
de atrasos robusto em que suas principais propriedades de robustez tambem sao validas para
essa estrategia de controle. Resultados de simulacao e experimentais mostraram as propriedades
de robustez do algoritmo. O controlador permitiu manter as sadas nas referencias desejadas com
um tempo de resposta desejado apesar de o processo real possuir nao-linearidades e um nvel de
rudo elevado nas medidas dos sinais de sada. Em
trabalhos futuros pretende-se estudar detalhadamente as propriedades de robustez do algoritmo
proposto e estender os resultados a processos multivariaveis nao-lineares fazendo comparacoes com
artigos mais rescentes.

Resultados experimentais

Neste item, o algoritmo proposto e aplicado ao

controle de temperatura e umidade da incubadora
neonatal descrita na sec
ao 2. Os par
ametros de
ajuste do controlador proposto s
ao os mesmos da
simulacao: Ts = 0.4min, N1 = 1, N2 = 50, Nu =
20, = 30 e = 0.9.
Na Figura 6 ilustra-se os resultados experimentais usando o algoritmo proposto. Inicialmente em t = 0min as referencias da UR e da
temperatura s
ao fixadas em 50% e 30 C respectivamente. Pode-se observar que a referencia da
umidade e atingida em um tempo inferior a 20 minutos e a referencia da temperatura e alcancada
antes de 15 min e, alem disso, existe um sobresinal de -3 % na umidade que devem-se principalmente `as caractersticas n
ao-lineares n
ao modeladas pois verificou-se que a entrada de vapor nao
e proporcional `
a respectiva tens
ao de controle, e
+1 C na temperatura aproximadamente que pode
ser considerado como rudo. Essas respostas satisfazem perfeitamente `
as exigencias dos ensaios
previstos na norma NBR IEC 60601-2-19. Em
t = 30min a referencia de umidade e mudada para
55% . Observa-se que a nova referencia e atingida
em um tempo inferior a 5 min e sem sobre-sinal,
e a temperatura continua na referencia desejada
apesar de haver interac
ao entre as duas malhas.
Finalmente em t = 60min as referencias da umidade e da temperatura s
ao mudadas para 45% e
33 C respectivamente. Observa-se que a referencia da umidade e atingida num tempo inferior a 5

Agradecimentos

Os autores gostariam de agradecer ao Professor

Arthur Plnio de Souza Braga - Coordenador do
Projeto Incubadora Neonatal pela Universidade
Federal do Ceara (UFC) e Instituto Tecnologico
de Ensino Superior do Piau (IFPI), `a Fundacao
Cearense de Apoio ao Desenvolvimento Cientfico e Tecnologico (FUNCAP) e `a Coordenacao
de Aperfeicoamento de Pessoal de Nvel Superior
(CAPES) pelo apoio economico.
Refer
encias
Arone, E. (1995). Variacoes da umidade relativa
no microclima de uma incubadora, FANEM
LTDA, S
ao Paulo .
Barbosa, A. C. e Oliveira, I. C. S. (2002). O advento das incubadoras no exterior e no Brasil:
um ensaio historico, Pediatria Atual 15(6).
Biegler, L. T. (1998). Advances in nonlinear programming concepts for process control, Journal of Process Control 8(5): 301311.
Bouattoura, D., Villon, P. e Farges, P. (1998). Dynamic programming approach for newborns

3497

XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS

65

40
38
Referncia
Umidade

36
Temperatura (C)

Umidade (%)

60
55
50

34
32
30
Referncia
Temperatura

28

45

26
40
0

10

20

30

40

50

24
0

60

Tempo (Minutos)

20

30

40

50

60

40

50

60

Tempo (Minutos)

5
4

2.5
Sinal de controle (PWM)

Sinal de controle (PWM)

10

1.5

3
2
1
0

1
0

10

20

30

40

50

60

-1
0

Tempo (Minutos)

10

20

30
Tempo (Minutos)

(a) Umidade

(b) Temperatura

Figura 4: Resultados de simulacao usando o algoritmo GPC.

58

32

30
Temperatura (C)

56
Umidade (%)

31

Referncia
Umidade

54
52

29
28
27
Referncia
Temperatura

26

50

25
48
0

10

20

30

40

50

24
0

60

Tempo (Minutos)

10

20

30

40

50

60

40

50

60

Tempo (Minutos)

2.8

5
4

2.4

Sinal de controle (PWM)

Sinal de controle (PWM)

2.6

2.2
2
1.8
1.6

2
1

1.4
0

10

20

30

40

50

0
0

60

Tempo (Minutos)

10

20

30
Tempo (Minutos)

(a) Umidade

(b) Temperatura

Figura 5: Resultados de simulacao usando o algoritmo proposto.

3498

XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS

58

34
Referncia
Umidade

56

32

52

Temperatura (C)

Umidade (%)

54

50
48
46

28
Referncia
Temperatura

26

44
42
0

30

20

40

60

80

100

24
0

Tempo (Minutos)

20

40

60

80

100

80

100

Tempo (Minutos)

4
3.5

2.4
Sinal de controle (PWM)

Sinal de controle (PWM)

2.6

2.2
2
1.8
1.6
1.4
1.2
0

3
2.5
2
1.5
1
0.5

20

40

60

80

100

Tempo (Minutos)

0
0

20

40

60

Tempo (Minutos)

(a) Umidade

(b) Temperatura

Figura 6: Resultados experimentais usando o algoritmo proposto.

incubator humidity control, IEEE Transactions on Biomedical Engineering 45(1): 48
55.

Normey-Rico, J. e Camacho, E. (2000). Multivariable generalised predictive controller

based on the smith predictor, IEE Proceedings, Control Therory and Applications
147(5): 538546.

Camacho, E. F. e Bordons, C. (2004). Model Predictive Control, 2nd edn, Springer Verlag.

Normey-Rico, J. E. e Camacho, E. F. (2007). Control of Dead-time Processes, Springer Verlag.

Clarke, D., Mothadi, C. e Tuffs, P. (1987). Generalized Predictive Control. Part I The Basic
Algorithm and Part II Extensions and Interpretations, Automatica 23(2): 137160.

Normey-Rico, J. E. e Camacho, E. F. (2008).

Dead-time compensators: A survey, Control
Engineering Practice 16: 407428.

Close, C. M., Frederick, D. K. e Newell, J. C.

(2002). Modeling and analysis of dynamic
systems, 3rd edn, Wiley.

Silvado, J. (1993). Incubadoras, Revista Medica

de S
ao Paulo / Jornal Pr
atico de Medicina,
Cirurgia e Higiene, S
ao Paulo 6(7): 110.

Coelho, A. e Coelho, L. (2003). Identificac

ao de
Sistemas Din
amicos Lineares, 1st edn, Editora da UFSC.

Torrico, B. C. (2010). Robust nonlinear predictive

control applied to a solar collector field in a
solar desalination plant, IEE Proceedings .

Farias, R. (2001). Desenvolvimento de uma incubadora neonatal microprocessada de acordo

com as normas tecnicas NBR-IEC-601-219, Masters thesis, Engenharia Biomedica CEFET-PR.
Infante, O. (1992).
Control de temperatura
para incubadoras de neonatos com alarmas
y comunicaci
on para control supervisiorio,
Revista Mexicana de Ingeniera Biomedica
13(2): 387395.
Karen, T. (1994). Thermoregulation in neonates,
Neonatal Network 13(2): 1521.
Ministerio da Sa
ude, D. (2009).
Incubadoras,
Tecnologia
da
Informac
ao a servico do SUS. Fonte:
http://tabnet.datasus.gov.br/cgi/deftohtm.exe?
sim/cnv/infuf.def. Acesso: 28.01.2009. .

3499